会员
周边
新闻
博问
闪存
众包
赞助商
Chat2DB
所有博客
当前博客
我的博客
我的园子
账号设置
会员中心
简洁模式
...
退出登录
注册
登录
WilliamTse
博客园
首页
新随笔
联系
订阅
管理
2018年6月12日
python线程进程
摘要: 操作系统 一 为什么要有操作系统? 二 操作系统历史 2.1 真空管与穿孔卡片(无操作系统) 2.2 晶体管和批处理系统 2.3 集成电路芯片和多道程序设计 2.4 个人计算机 随着大规模集成电路的发展,每平方厘米的硅片芯片上可以集成数千个晶体管,个人计算机的时代就此到来。 三 进程和线程 进程 线
阅读全文
posted @ 2018-06-12 22:39 WilliamTse
阅读(430)
评论(0)
推荐(0)
2018年6月9日
集成学习(ensemble Learning)
摘要: 集成学习(ensemble Learning)通过构建并结合多个学习器来完成学习任务,有时也被称为多分类器系统(multi-classifier system)、基于委员会的学习(committee-based learning)等,其一般结构是先产生一组“个体学习器”(individual lea
阅读全文
posted @ 2018-06-09 15:33 WilliamTse
阅读(473)
评论(0)
推荐(0)
2018年6月5日
分类算法中的ROC与PR指标
摘要: 做过图像识别、机器学习或者信息检索相关研究的人都知道,论文的实验部分都要和别人的算法比一比。可怎么比,人多嘴杂,我说我的方法好,你说你的方法好,各做各的总是不行——没规矩不成方圆。于是慢慢的大家就形成了一种约定,用ROC曲线和PR曲线来衡量算法的优劣。关于ROC曲线和PR曲线的详细介绍可参考资料:
阅读全文
posted @ 2018-06-05 22:54 WilliamTse
阅读(1353)
评论(0)
推荐(0)
分类算法评价标准
摘要: 一、引言 分类算法有很多,不同分分类算法又用很多不同的变种。不同的分类算法有不同的特定,在不同的数据集上表现的效果也不同,我们需要根据特定的任务进行算法的选择,如何选择分类,如何评价一个分类算法的好坏,前面关于决策树的介绍,我们主要用的正确率(accuracy)来评价分类算法。 正确率确实是一个很好
阅读全文
posted @ 2018-06-05 22:44 WilliamTse
阅读(5041)
评论(0)
推荐(0)
2018年6月4日
文本主题模型之LDA(二) LDA求解之Gibbs采样算法
摘要: 1. Gibbs采样算法求解LDA的思路 首先,回顾LDA的模型图如下: 在Gibbs采样算法求解LDA的方法中,我们的α,ηα,η是已知的先验输入,我们的目标是得到各个zdn,wknzdn,wkn对应的整体z⃗ ,w⃗ z→,w→的概率分布,即文档主题的分布和主题词的分布。由于我们是采用Gibbs
阅读全文
posted @ 2018-06-04 15:29 WilliamTse
阅读(320)
评论(0)
推荐(0)
文本主题模型之LDA(一) LDA基础
摘要: 在前面我们讲到了基于矩阵分解的LSI和NMF主题模型,这里我们开始讨论被广泛使用的主题模型:隐含狄利克雷分布(Latent Dirichlet Allocation,以下简称LDA)。注意机器学习还有一个LDA,即线性判别分析,主要是用于降维和分类的,如果大家需要了解这个LDA的信息,参看之前写的线
阅读全文
posted @ 2018-06-04 15:26 WilliamTse
阅读(172)
评论(0)
推荐(0)
公告